声明：本内容非盈利性质，也不支持任何组织或个人将其用作盈利用途。本内容来源于参考书或网站，会尽量附上原文链接，并鼓励大家看原文。侵删。

5.4 正则表达式

5.4.1 正则表达式

正则表达式的概念：

• 正则表达式是用来简洁表达一组字符串的表达式；
• 正则表达式简洁地反映了一组字符串的特征。

正则表达式的使用：为了使用正则表达式，要进行编译。编译：将符合正则表达式语法的字符串转换成正则表达式特征。

正则表达式的语法：正则表达式语法由字符与操作符构成，如：P(Y|YT|YTH|YTHO)?N，其中（）、|与？均为操作符。

正则表达式常用操作符：

• .,表示任意单个字符；
• [],字符集，对单个字符给出取值范围，如：[abc]表示要么取a要么取b要么取c，[a-z]表示a到z单个字符；
• [^{],非字符集，对单个字符给出排除范围，如：[}abc]表示非a或b或c的单个字符；
• #,前一个字符的0次或无限次扩展，如abc表示ab、abc、abcc、abccc……；
• +,前一个字符的1次或无限次扩展，如abc+表示abc、abcc、abccc……；
• ?,前一个字符的0次或1次扩展，如abc?表示ab、abc；
• |,两边表达式任意一个，如abc|def表示abc、def；
• {m},扩展前一个字符m次，如ab{2}c表示abbc；
• {m,n},扩展前一个字符m~n次，如ab{1,2}c表示abc、abbc；
• ^{,匹配字符串开头，如：}abc表示以abc为首的字符串；
• $,匹配字符串结尾，如：abc$表示以abc为尾的字符串；
• (),分组标记，内部只能使用|操作符，如(abc)表示abc，(abc|def)表示abc、def；
• \d,数字，等价于[0-9]；
• \w,单词字符，等价于[A-Za-z0-9]。

正则表达式的语法在各个语言中是通用的。

5.4.2 re库

python中提供了re库来支持正则表达式的使用。re是python的标准库，无须导入。

re库常用的功能函数有：

• re.search()，在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象；（在字符串中搜索与正则表达式一样的地方）
• re.Match()，从一个字符串的开始位置起匹配正则表达式，返回match对象；
• re.findall()，搜索字符串，以列表类型返回全部能匹配的子串；
• re.split()，将一个字符串按照正则表达式匹配结果进行分割，返回列表类型；
• re.finditer()，搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象；
• re.sub()，在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串。

正则表达式的类型是原生字符串类型raw。在使用正则表达式时，通常要使用原生字符串，这样做是为了避免使用普通字符串时需要处理转义字符的问题，而使正则表达式的语法变得臃肿。python中原生字符串的语法如下：

a = r'text';  # 在普通字符串前加r标识，即为原生字符串，原生字符串中的所有符号都是不发生转义的。

使用re库做正则匹配时，要注意两种匹配模式：

• 贪婪匹配：当一个正则表达式与一个给定字符串存在多个匹配时，re库默认取最长匹配，这种匹配方式称为贪婪匹配。
• 最小匹配：如果要取出的是最短的匹配结果，则称为最小匹配。使用最小匹配要加最小匹配操作符，常用的有：*?，前一个字符0次或无限次扩展，但获取最小匹配；+?，前一个字符1次或无限次扩展，但获取最小匹配；??，前一个字符0次或1次扩展，但获取最小匹配；{m,n}?，前一个字符m~n次扩展，但获取最小匹配。

更多关于re库的用法，可以在使用时详细查找资料。